Spark Streaming接收Kafka数据存储到Hbase

fly
spark
hbase
kafka

主要参考了这篇文章https://yq.aliyun.com/articles/60712([点我])(https://yq.aliyun.com/articles/60712), 不过这篇文章使用的spark貌似是spark1.x的。我这里主要是改为了spark2.x的方式

kafka生产数据

闲话少叙,直接上代码:

  1. import java.util.{Properties, UUID} 


  2. import org.apache.kafka.clients.producer.{KafkaProducer, ProducerRecord} 

  3. import org.apache.kafka.common.serialization.StringSerializer 


  4. import scala.util.Random 



  5. object KafkaProducerTest { 

  6. def main(args: Array[String]): Unit = { 

  7. val rnd = new Random() 

  8. // val topics = "world" 

  9. val topics = "test" 

  10. val brokers = "localhost:9092" 

  11. val props = new Properties() 

  12. props.put("delete.topic.enable", "true") 

  13. props.put("key.serializer", classOf[StringSerializer]) 

  14. // props.put("value.serializer", "org.apache.kafka.common.serialization.StringDeserializer") 

  15. props.put("value.serializer", classOf[StringSerializer]) 

  16. props.put("bootstrap.servers", brokers) 

  17. //props.put("batch.num.messages","10");//props.put("batch.num.messages","10"); 


  18. //props.put("queue.buffering.max.messages", "20"); 

  19. //linger.ms should be 0~100 ms 

  20. props.put("linger.ms", "50") 

  21. //props.put("block.on.buffer.full", "true"); 

  22. //props.put("max.block.ms", "100000"); 

  23. //batch.size and buffer.memory should be changed with "the kafka message size and message sending speed" 

  24. props.put("batch.size", "16384") 

  25. props.put("buffer.memory", "1638400") 


  26. props.put("queue.buffering.max.messages", "1000000") 

  27. props.put("queue.enqueue.timeout.ms", "20000000") 

  28. props.put("producer.type", "sync") 


  29. val producer = new KafkaProducer[String,String](props) 

  30. for(i <- 1001 to 2000){ 

  31. val key = UUID.randomUUID().toString.substring(0,5) 

  32. val value = "fly_" + i + "_" + key 

  33. producer.send(new ProducerRecord[String, String](topics,key, value))//.get() 





  34. producer.flush() 






生产的数据格式为(key,value) = (uuid, fly_i_key) 的形式

spark streaming 读取kafka并保存到hbase

当kafka里面有数据后,使用spark streaming 读取,并存。直接上代码:

  1. import java.util.UUID 


  2. import org.apache.hadoop.hbase.HBaseConfiguration 

  3. import org.apache.hadoop.hbase.client.{Mutation, Put} 

  4. import org.apache.hadoop.hbase.io.ImmutableBytesWritable 

  5. import org.apache.hadoop.hbase.mapreduce.TableOutputFormat 

  6. import org.apache.hadoop.hbase.util.Bytes 

  7. import org.apache.hadoop.mapred.JobConf 

  8. import org.apache.hadoop.mapreduce.OutputFormat 

  9. import org.apache.kafka.clients.consumer.ConsumerRecord 

  10. import org.apache.kafka.common.serialization.StringDeserializer 

  11. import org.apache.spark.rdd.RDD 

  12. import org.apache.spark.sql.SparkSession 

  13. import org.apache.spark.streaming.kafka010.ConsumerStrategies.Subscribe 

  14. import org.apache.spark.streaming.kafka010.KafkaUtils 

  15. import org.apache.spark.streaming.kafka010.LocationStrategies.PreferConsistent 

  16. import org.apache.spark.streaming.{Seconds, StreamingContext} 


  17. /** 

  18. * spark streaming 写入到hbase 

  19. * Sparkstreaming读取Kafka消息再结合SparkSQL,将结果保存到HBase 

  20. */ 



  21. object OBDSQL { 

  22. case class Person(name: String, age: Int, key: String) 


  23. def main(args: Array[String]): Unit = { 

  24. val spark = SparkSession 

  25. .builder() 

  26. .appName("sparkSql") 

  27. .master("local[4]") 

  28. .getOrCreate() 


  29. val sc = spark.sparkContext 


  30. val ssc = new StreamingContext(sc, Seconds(5)) 


  31. val topics = Array("test") 

  32. val kafkaParams = Map( 

  33. "bootstrap.servers" -> "localhost:9092,anotherhost:9092", 

  34. "key.deserializer" -> classOf[StringDeserializer], 

  35. "value.deserializer" -> classOf[StringDeserializer], 

  36. // "group.id" -> "use_a_separate_group_id_for_each_stream", 

  37. "group.id" -> "use_a_separate_group_id_for_each_stream_fly", 

  38. // "auto.offset.reset" -> "latest", 

  39. "auto.offset.reset" -> "earliest", 

  40. // "auto.offset.reset" -> "none", 

  41. "enable.auto.commit" -> (false: java.lang.Boolean) 




  42. val lines = KafkaUtils.createDirectStream[String, String]( 

  43. ssc, 

  44. PreferConsistent, 

  45. Subscribe[String, String](topics, kafkaParams) 




  46. // lines.map(record => (record.key, record.value)).print() 

  47. // lines.map(record => record.value.split("_")).map(x=> (x(0),x(1), x(2))).print() 


  48. lines.foreachRDD((rdd: RDD[ConsumerRecord[String, String]]) => { 

  49. import spark.implicits._ 

  50. if (!rdd.isEmpty()) { 


  51. // temp table 

  52. rdd.map(_.value.split("_")).map(p => Person(p(0), p(1).trim.toInt, p(2))).toDF.createOrReplaceTempView("temp") 


  53. // use spark sql 

  54. val rs = spark.sql("select * from temp") 


  55. // create hbase conf 

  56. val hconf = HBaseConfiguration.create 

  57. hconf.set("hbase.zookeeper.quorum", "localhost"); //ZKFC 

  58. hconf.set("hbase.zookeeper.property.clientPort", "2181") 

  59. hconf.set("hbase.defaults.for.version.skip", "true") 

  60. hconf.set(TableOutputFormat.OUTPUT_TABLE, "t1") // t1是表名, 表里面有一个列簇 cf1 

  61. hconf.setClass("mapreduce.job.outputformat.class", classOf[TableOutputFormat[String]], classOf[OutputFormat[String, Mutation]]) 

  62. val jobConf = new JobConf(hconf) 


  63. // convert every line to hbase lines 

  64. rs.rdd.map(line => { 

  65. val put = new Put(Bytes.toBytes(UUID.randomUUID().toString.substring(0, 9))) 

  66. put.addColumn(Bytes.toBytes("cf1") 

  67. , Bytes.toBytes("name") 

  68. , Bytes.toBytes(line.get(0).toString) 



  69. put.addColumn(Bytes.toBytes("cf1") 

  70. , Bytes.toBytes("age") 

  71. , Bytes.toBytes(line.get(1).toString) 



  72. put.addColumn(Bytes.toBytes("cf1") 

  73. , Bytes.toBytes("key") 

  74. , Bytes.toBytes(line.get(2).toString) 



  75. (new ImmutableBytesWritable, put) 

  76. }).saveAsNewAPIHadoopDataset(jobConf) 



  77. }) 


  78. lines.map(record => record.value.split("_")).map(x=> (x(0),x(1), x(2))).print() 


  79. ssc start() 

  80. ssc awaitTermination() 







Spark Streaming接收Kafka数据存储到Hbase的更多相关文章

  1. demo1 spark streaming 接收 kafka 数据java代码WordCount示例

    1. 首先启动zookeeper windows上的安装见zk 02之 Windows安装和使用zookeeper 启动后见: 2. 启动kafka windows的安装kafka见Windows上搭 ...

  2. spark streaming 接收 kafka 数据java代码WordCount示例

    http://www.cnblogs.com/gaopeng527/p/4959633.html

  3. Kafka:ZK+Kafka+Spark Streaming集群环境搭建(二十二)Spark Streaming接收流数据及使用窗口函数

    官网文档:<http://spark.apache.org/docs/latest/streaming-programming-guide.html#a-quick-example> Sp ...

  4. spark streaming 接收kafka消息之五 -- spark streaming 和 kafka 的对接总结

    Spark streaming 和kafka 处理确保消息不丢失的总结 接入kafka 我们前面的1到4 都在说 spark streaming 接入 kafka 消息的事情.讲了两种接入方式,以及s ...

  5. spark streaming 接收kafka消息之四 -- 运行在 worker 上的 receiver

    使用分布式receiver来获取数据使用 WAL 来实现 exactly-once 操作: conf.set("spark.streaming.receiver.writeAheadLog. ...

  6. spark streaming 接收kafka消息之一 -- 两种接收方式

    源码分析的spark版本是1.6. 首先,先看一下 org.apache.spark.streaming.dstream.InputDStream 的 类说明: This is the abstrac ...

  7. spark streaming 接收kafka消息之二 -- 运行在driver端的receiver

    先从源码来深入理解一下 DirectKafkaInputDStream 的将 kafka 作为输入流时,如何确保 exactly-once 语义. val stream: InputDStream[( ...

  8. spark streaming 接收kafka消息之三 -- kafka broker 如何处理 fetch 请求

    首先看一下 KafkaServer 这个类的声明: Represents the lifecycle of a single Kafka broker. Handles all functionali ...

  9. Spark streaming消费Kafka的正确姿势

    前言 在游戏项目中,需要对每天千万级的游戏评论信息进行词频统计,在生产者一端,我们将数据按照每天的拉取时间存入了Kafka当中,而在消费者一端,我们利用了spark streaming从kafka中不 ...

随机推荐

  1. TypeScript `unknown` 类型

    unknown 字面理解和 any 其实没差,任何类型都可赋值给它,但有一点, Anything is assignable to unknown, but unknown isn't assigna ...

  2. 【BZOJ2565】最长双回文串 (Manacher算法)

    题目: BZOJ2565 分析: 首先看到回文串,肯定能想到Manacher算法.下文中字符串\(s\)是输入的字符串\(str\)在Manacher算法中添加了字符'#'后的字符串 (构造方式如下) ...

  3. 命令框中oracle dmp文件的导入和导出(仅做个人备忘)

    1.dmp文件导出 (全部)exp 用户名/密码 rows=y indexes=n compress=n buffer=65536 feedback=100000  file=F:\test.dmp ...

  4. unity之Rigidbody属性

    Rigidbody属性 Mass表示物体的质量,数值类型为float,默认值为1.大部分物体的质量属性接近于0.1才符合日常生活感官感受,超过10 ,则失去了仿真效果. Drag表示平移阻力,其数值类 ...

  5. 服务器端 CentOS 下配置 JDK 和 Tonmcat 踩坑合集

    一.配置 JDK 时,在 /etc/profile 文件下配置环境变量,添加   #java environment export JAVA_HOME=/usr/java/jdk- export CL ...

  6. SQl基本操作——try catch

    begin try ... end try begin catch ... end catch

  7. 11-c++虚拟函数

    虚拟函数 #include "stdio.h" class A{ public: void print() { printf("%s","this i ...

  8. php银联支付

    简介 PHP银联支付 流程 1.注册 银联 - 技术开发平台和商户服务平台 https://open.unionpay.com 注意:注册时建议使用IE浏览器,之前注册时插件老是用不了,使用IE10以 ...

  9. centos7安装个人网盘owncloud

    现在个人资料越来越重要,网络速度也已经满足日常需要,网盘已经是生活着存取个人数据不可缺少的工具. 下面在linxu centos7下面安装owncloud搭建自己私人网盘: 1.新建一个账号用来安装个 ...

  10. 解决windows64位系统上安装mysql-python报错

    解决windows64位系统上安装mysql-python报错 2018年03月12日 13:08:24 一个CD包 阅读数:1231    版权声明:本文为博主原创文章,未经博主允许不得转载. ht ...